基于接收倒谱域信道冲激响应（CIR）的LTE-V2X通信中射频指纹（RFF）解耦方法

《Digital Signal Processing》：A Method for Decoupling RFF from Received Cepstral-Domain CIR in LTE-V2X Communications

　　

摘要翻译
射频指纹（RFF）被认为是无线发射端的安全身份信息。然而，时变无线信道显著降低了提取RFF特征的稳定性，从而增加了从接收信号中分离RFF的难度。为解决此问题，研究人员提出了一种通过对LTE-V2X通信系统中接收信道冲激响应（CIR）在倒谱域进行窗口处理的信道鲁棒RFF解耦方法。研究发现，RFF与CIR在时间分布上表现出明显差异，其中RFF具有较长的响应时间，而CIR呈稀疏性并具有较短的响应持续时间。利用这一差异，通过对接收倒谱域CIR施加窗口函数实现RFF与CIR的解耦，并根据接收CIR的时间分布自适应调整窗口长度。在消除信道效应后，研究人员对LTE-V2X物理侧链广播信道（PSBCH）中的固定序列符号和随机序列符号分别进行RFF提取与去噪。实验结果表明，该方法在跨场景测试中对12个LTE-V2X模块的识别精度超过99.17%，车辆速度最高可达40 km/h。

论文解读
近年来，车联网（V2X）通信技术在智能交通、自动驾驶、车辆感知及信息交换等领域广泛应用。V2X技术能够实现车辆与车辆、车辆与行人、车辆与道路基础设施及车辆与云平台之间的全方位通信，从而提升道路运输效率和驾驶安全。LTE-V2X作为当前主流车联网通信标准，融合了多种技术优势以满足高速移动环境下的通信需求，并具备工业化及大规模商业部署的潜力。然而，由于LTE-V2X依赖无线通信，用户身份和传输信息易被伪造或篡改，威胁交通安全。传统基于密钥的加密技术在密钥分发和管理上存在额外计算开销，并易受高性能计算系统的暴力攻击。为提升安全性，基于物理层的非加密认证机制提供了不可伪造性，能够在不影响正常通信的情况下实现非感知式认证。其中，射频指纹（RFF）识别技术利用发射端硬件固有缺陷区分不同设备，其唯一性和难以克隆性使其能够作为身份信息，有效阻止伪造设备接入网络，并可在接收端实时完成“接收即认证”。

当前RFF提取方法主要针对固定序列前导符号或低速静态场景，但LTE-V2X子帧包含随机序列符号，车辆在移动环境中受到多径效应和多普勒频移的影响，导致信号出现延迟扩展、幅度衰减及相位偏移。这些因素显著干扰了稳定RFF特征的提取，使RFF容易被信号幅度的不可预测波动掩盖。此外，虽然部分基于深度学习的信道鲁棒RFF方法提升了识别性能，但通常计算开销大且训练时间长，不适用于车载实时认证，且难以适应新信道环境。

针对上述挑战，研究人员从通信信号处理角度提出了一种信道鲁棒RFF提取方法。通过倒谱域自适应窗口函数实现接收信号中RFF与CIR的解耦，并在消除信道成分后，针对固定序列符号与随机序列符号分别进行RFF提取和去噪，从而获得可区分的RFF特征。

在方法论上，研究人员首先观察到RFF与CIR的时间分布存在显著差异：RFF响应时间较长，而CIR短且稀疏。基于此，通过倒谱域的窗口处理将信号中RFF与CIR的相互作用转化为加性关系，从而实现有效分离。窗口长度根据接收CIR能量分布的时间差异自适应调整，以优化识别性能。研究人员充分利用PSBCH子帧中的13个非零符号，分别对固定序列符号与随机序列符号采用不同的RFF提取与去噪方法，尤其是对随机序列符号，通过计算三维星座图的聚类中心生成与数据无关的RFF特征，并整合输出最终识别结果。实验设计使用12个同型号LTE-V2X模块（Morningcore CX7100）传输PSBCH子帧，并用通用软件无线电外设（USRP）B205接收信号。为消除附件对RFF的影响，每个模块配备独立天线、GPS模块、馈线及电源。

实验结果显示，在跨场景测试中，仅使用有线连接数据进行训练以避免引入信道特性，12个模块在不同信道环境下车辆速度最高达40 km/h的情况下识别精度超过99.17%。结果验证了该方法能够有效提取信道鲁棒RFF特征。

本研究具有重要意义：它提供了一种无需修改现有通信系统即可实现车载实时物理层认证的解决方案，为LTE-V2X安全性提供技术支撑。同时，该方法减少了深度学习模型的训练开销，增强了系统在不同信道环境下的适应性。

在技术方法概述中，研究人员主要采用倒谱域分析、信号时间分布特性观察、自适应窗口函数、固定序列与随机序列符号特征提取与去噪等关键技术，数据源包括PSBCH子帧及有线连接训练集。

研究结果部分：
1. **RFF与CIR时间分布分析**：实验确认RFF响应时间较长，CIR短且稀疏，为解耦提供依据。
2. **自适应窗口函数处理**：通过调整窗口长度消除信道效应，实现RFF与CIR分离。
3. **符号特征提取与去噪**：固定序列符号通过相邻符号平均处理，随机序列符号通过三维星座聚类生成数据无关RFF，最终整合输出高区分性RFF。
4. **跨场景验证**：在多种信道条件及车辆速度下，识别精度达到99.17%以上，验证方法鲁棒性。

讨论与结论部分表明，该研究提出的信道鲁棒RFF解耦与提取方法可在LTE-V2X系统中实现高精度、实时的物理层认证，显著提高了车载通信安全性，并为未来车联网安全标准化及工业化应用提供了技术参考。